About Cosense
Help
Log in
yuyan
G
r
a
p
h
N
e
u
r
a
l
N
e
t
w
o
r
k
表
現
学
習
グ
ラ
フ
表
現
ナ
レ
ッ
ジ
グ
ラ
フ
グ
ラ
フ
理
論
/
離
散
数
学
競
技
プ
ロ
グ
ラ
ミ
ン
グ
で
よ
く
あ
る
ア
ル
ゴ
リ
ズ
ム
集
グ
ラ
フ
深
層
学
習
の
す
す
め
タ
ス
ク
ご
と
に
特
徴
量
設
計
を
行
う
必
要
が
あ
る
」
を
G
N
N
を
使
う
動
機
に
し
て
る
け
ど
,
わ
た
し
の
経
験
上
こ
れ
は
あ
ん
ま
り
現
実
的
じ
ゃ
な
い
.
と
い
う
の
は
G
N
N
の
性
能
は
グ
ラ
フ
に
大
き
く
依
存
す
る
の
で
「
グ
ラ
フ
設
計
」
が
G
N
N
版
の
特
徴
量
設
計
と
し
て
強
く
残
っ
て
る
.
P
h
y
s
G
r
a
p
h
:
P
h
y
s
i
c
s
-
B
a
s
e
d
I
n
t
e
g
r
a
t
i
o
n
U
s
i
n
g
G
r
a
p
h
N
e
u
r
a
l
N
e
t
w
o
r
k
s
h
t
t
p
s
:
/
/
a
r
x
i
v
.
o
r
g
/
a
b
s
/
2
3
0
1
.
1
1
8
4
1
v
1
こ
ん
な
応
用
が
で
き
る
ん
や
・
・
K
a
g
g
l
e
の
2
n
d
s
o
l
u
t
i
o
n
で
G
r
a
p
h
A
t
t
e
n
t
i
o
n
が
応
用
さ
れ
て
い
る
h
t
t
p
s
:
/
/
w
w
w
.
k
a
g
g
l
e
.
c
o
m
/
c
o
m
p
e
t
i
t
i
o
n
s
/
s
h
o
p
e
e
-
p
r
o
d
u
c
t
-
m
a
t
c
h
i
n
g
/
d
i
s
c
u
s
s
i
o
n
/
2
3
8
0
2
2
L
a
n
g
C
h
a
i
n
を
使
っ
て
自
然
文
の
入
力
を
構
造
化
デ
ー
タ
に
変
換
す
る
実
験
h
t
t
p
s
:
/
/
n
o
t
e
.
c
o
m
/
f
u
k
u
f
u
k
u
_
w
a
n
k
o
/
n
/
n
6
9
8
e
4
f
d
c
e
3
0
0
S
O
L
V
I
N
G
N
P
-
H
A
R
D
P
R
O
B
L
E
M
S
O
N
G
R
A
P
H
S
W
I
T
H
E
X
T
E
N
D
E
D
A
L
P
H
A
G
O
Z
E
R
O
h
t
t
p
s
:
/
/
a
r
x
i
v
.
o
r
g
/
p
d
f
/
1
9
0
5
.
1
1
6
2
3
.
p
d
f
グ
ラ
フ
ニ
ュ
ー
ラ
ル
ネ
ッ
ト
ワ
ー
ク
(
G
N
N
)
徹
底
解
説
!
用
途
と
仕
組
み
か
ら
P
y
G
で
の
実
装
ま
で
h
t
t
p
s
:
/
/
z
e
n
n
.
d
e
v
/
k
a
m
i
/
a
r
t
i
c
l
e
s
/
8
3
c
2
d
a
f
f
7
6
0
f
5
d
S
y
m
b
o
l
i
c
R
e
g
r
e
s
s
i
o
n
.
j
l
h
t
t
p
s
:
/
/
g
i
t
h
u
b
.
c
o
m
/
M
i
l
e
s
C
r
a
n
m
e
r
/
S
y
m
b
o
l
i
c
R
e
g
r
e
s
s
i
o
n
.
j
l
/
k
1
i
t
o
/
D
e
e
p
S
y
m
b
o
l
i
c
R
e
g
r
e
s
s
i
o
n
R
N
N
と
強
化
学
習
で
シ
ン
ボ
リ
ッ
ク
回
帰
Related
Sort by
Related
Modified
Created
Last visited
Most linked
Page rank
Title
Links
グラフ表現
[Graph Neural Network][Random Graph][グラフ理論/離散数学][知識グラフについて調べる][ナレッジグラフ]
ナレッジグラフ
グラフ理論/離散数学
[競技プログラミングでよくあるアルゴリズム集][知識グラフについて調べる][Graph Neural Network][ネットワーク分析]有限離散の組合せ構造の諸性質を解析し、組合せ最適化を効率よく行うアルゴリズムを講究する。
表現学習
[統計的機械学習][MLにおける幾何学的手法][AI技術の最前線][強化学習][世界モデル]
Scene Graph
Electronic Design Automation
[電子回路][CPU自作][メカトロニクス][グラフ理論/離散数学][Graph Neural Network]
Random Graph
[Graph Neural Network][グラフ理論/離散数学]ランダムグラフ入門http://lealgorithm.blogspot.com/2017/06/blog-post_24.htmlErdoa Renyiグラフ
Transformer
電子回路
[メカトロニクス][古典制御 + 現代制御][設計者に必要なメカトロニクスの基礎知識][電気の理論の地図][情報通信工学]
scrapboxまとめ(AI)
理論[統計的機械学習][機械学習によく出てくる確率統計的な知識][機械学習論文読むための数学基礎][機械学習モデルのチューニング]
表現学習
Matryoshka Sentence Embedding
[Embedding model][Large Language Model][AIの圧縮・高速化][LLMの圧縮・高速化][表現学習]
Diffusion Model
Embedding model
[Large Language Model][マルチモーダルRAG][Retrieval Augmentation][表現学習][AIの圧縮・高速化]
世界モデル
[強化学習][生成モデル][強化学習とゲームAIコンテスト][自己教師あり学習][ロボット基盤モデル]
教師なし学習
距離学習
[顔認識][画像認識][表現学習]モダンな深層距離学習 (deep metric learning) 手法: SphereFace, CosFace, ArcFacehttps://qiita.com/yu4u/items/078054dfb5592cbb80cc
グラフ表現
システム思考
[古典制御 + 現代制御][群論][圏論][多様体・微分幾何・情報幾何][金融マーケット攻略ゲーム]
ネットワーク分析
[グラフ理論/離散数学][グラフ表現][ナレッジグラフ]Pythonで有効グラフhttps://twitter.com/PINTO03091/status/1621812084316213249?s=20&t=0F9nQ8notN7dJt8uVx-Gjw
ナレッジグラフ
RAG
[Large Language Model][検索システムと推薦システム][Googleの検索システムの仕組み][LangChainとLangGraphによるRAG・AIエージェント][ナレッジグラフ]
グラフ理論/離散数学
scrapboxまとめ(数学)
[数学・物理・情報科学・機械工学の分野マップ(独断と偏見)][scrapboxまとめ(物理)][数学の分野を復習しながらお気持ち確認]みんな!!大学は自由な学問の場所だ!!数学と物理を勉強しよう!!!https://twitter.com/megurunatkisori/status/1633816640558366721?s=20
競技プログラミングでよくあるアルゴリズム集
CTF
[Webセキュリティ][低レイヤを学ぶおすすめリンク][セキュリティキャンプ][AIを用いたCTF検証][scrapboxまとめ(情報科学)]
並列計算とスパコン
[計算科学][スパコン・高性能プログラミング・FEM・CAE][LLM作成][コンピュータアーキテクチャ][競技プログラミングでよくあるアルゴリズム集]
ゲーム理論
[競技プログラミングでよくあるアルゴリズム集][強化学習][強化学習とゲームAIコンテスト][マルチエージェント強化学習][確率過程]
ルービックキューブ
[群論][線形代数][代数の基礎][圏論][競技プログラミングでよくあるアルゴリズム集]
将棋AI
[Kaggle][強化学習][ゲーム理論][競技プログラミングでよくあるアルゴリズム集][* 「将棋AIで学ぶディープラーニング」]
量子プログラミングコンテスト
[競技プログラミングでよくあるアルゴリズム集][量子コンピュータ][量子情報]QCoderhttps://www.qcoder.jp/
scrapboxまとめ(情報科学)
[コンピュータの技術レイヤー]理論情報・暗号理論 [情報理論]計算量理論 [計算量理論]アルゴリズム・データ構造 [競技プログラミングでよくあるアルゴリズム集]
高速化
[並列計算とスパコン][コンピュータアーキテクチャ][Realtime System][競技プログラミングでよくあるアルゴリズム集][AIの圧縮・高速化]
Created
3 years ago
by
Yuyan
Updated
2 months ago
by
Yuyan
Views: 50
Page rank: 17.2
Copy link
Copy readable link
Start presentation
Hide dots
Graph Neural Network
表現学習
グラフ表現
ナレッジグラフ
グラフ理論/離散数学
競技プログラミングでよくあるアルゴリズム集
グラフ深層学習のすすめ
https://www.youtube.com/watch?v=7rgXi3Xp6NI
タスクごとに特徴量設計を行う必要がある」を GNN を使う動機にしてるけど,わたしの経験上これはあんまり現実的じゃない.というのは GNN の性能はグラフに大きく依存するので「グラフ設計」が GNN 版の特徴量設計として強く残ってる.
PhysGraph: Physics-Based Integration Using Graph Neural Networks
https://arxiv.org/abs/2301.11841v1
こんな応用ができるんや・・
Kaggleの2nd solutionでGraph Attentionが応用されている
https://www.kaggle.com/competitions/shopee-product-matching/discussion/238022
LangChainを使って自然文の入力を構造化データに変換する実験
https://note.com/fukufuku_wanko/n/n698e4fdce300
SOLVING NP-HARD PROBLEMS ON GRAPHS WITH EXTENDED ALPHAGO ZERO
https://arxiv.org/pdf/1905.11623.pdf
グラフニューラルネットワーク(GNN)徹底解説!用途と仕組みからPyGでの実装まで
https://zenn.dev/kami/articles/83c2daff760f5d
SymbolicRegression.jl
https://github.com/MilesCranmer/SymbolicRegression.jl
/k1ito/Deep Symbolic Regression RNNと強化学習でシンボリック回帰